En el mundo moderno, los sistemas que se vuelven más inteligentes conducen a un aumento rápido en el uso de la electricidad, lo que a su vez aumenta la carga en las redes. Las empresas de servicios públicos se ven obligadas a satisfacer la demanda y están bajo estrés durante las horas pico debido al déficit en la generación de energía. El déficit mencionado anteriormente significa la necesidad explícita de una estrategia que reduzca la demanda pico reprogramando el patrón de carga, así como reducir el estrés en las redes. La gestión de la demanda (DSM) utiliza varios algoritmos para la reasignación adecuada de cargas, conocidos colectivamente como respuesta a la demanda (DR). Las estrategias de DR culminan efectivamente en beneficios monetarios para los clientes y las empresas de servicios públicos mediante el uso de precios dinámicos (DP) y procedimientos basados en incentivos. Este estudio intenta analizar los esquemas de DP de DR, como el tiempo de uso (TOU) y la fijación de precios en tiempo real (RTP) para diferentes escenarios de carga en una red inteligente (SG). Se utilizan algoritmos centralizados y distribuidos para analizar el problema de DR basado en precios utilizando RTP. Se realizó un análisis tecnoeconómico utilizando la optimización por enjambre de partículas (PSO) y los algoritmos de optimización de fresa (SBY) utilizados en el manejo de las estrategias de DP con 109, 1992 y 7807 cargas industriales, comerciales y residenciales controlables. Se identificó un mejor algoritmo de optimización para acompañar el esquema de precios para reducir la relación pico-promedio (PAR). Los resultados demuestran que RTP centralizado utilizando el algoritmo de optimización SBY ayudó a lograr un 14.80%, 21.7% y 21.84% en reducción de costos y superó al PSO.